Databricks-Mitbegründer über das, was bei KI wirklich zählt

Tavakoli: Ich denke, es ist zweifach. Erstens sollten Sie sich auf die Ergebnisse konzentrieren, nicht auf die Werkzeuge. Die Anzahl der Menschen, die sagen: „Wir sind im Rückstand.“ Ich muss erst mal eine Menge Agenten einsatzbereit machen. Ich muss beweisen, dass ich KI kann.“ Du bekommst keine Punkte dafür, dass du sagst, ich hätte die KI im Stich gelassen, richtig?

Stattdessen sollten Sie sich eigentlich fragen: Welches Geschäftsergebnis möchte ich erzielen? Und meistens heißt es dann: „Ich habe einen bestehenden Prozess, den ich automatisieren und viel effizienter gestalten möchte“ oder „Es gibt eine neue Reihe von Funktionen, die ich einführen möchte“, und KI ist das, was dies ermöglicht und herbeiführt.

Die zweite Sache ist, dass alle so begeistert von KI waren und sie mit LLMs und der Frage, welches Modell man verwenden wird, in Verbindung brachten. Und ehrlich gesagt ist das Wichtigste in der Unternehmenswelt eine qualitativ hochwertige, präzise und vertrauenswürdige KI. Und das hängt sehr stark davon ab, ob die Datenverwaltung in Ordnung ist und ob eine Governance-Strategie existiert.

Es geht nicht um das Modell, sondern um alle anderen Details. Wie erreicht man Genauigkeit? Wie wird es regiert? Wie findet man heraus, wie man es in die Produktion überführt und wie man es misst? Und wie gelingt das in einem sich rasant entwickelnden Umfeld? Die meisten Leute, mit denen man spricht und die vor sechs Monaten eine KI-Anwendung auf den Markt gebracht haben, sagen, dass sie, wenn sie sie heute neu entwickeln müssten, sie völlig anders gestalten würden, weil es neue Produkte auf dem Markt gibt.

Tavakoli: Die aktuellen Einnahmen bilden eine Pyramide. Auf der untersten Ebene benötigt man eine Menge Infrastruktur, und das sind Chips. Das ist ein Bereich, in dem es nicht viele Unternehmen geben wird, da die Markteintrittsbarriere sehr hoch ist.

Darüber hinaus gibt es die Anbieter des Basismodells. Wir haben mit einer großen Menge angefangen, die sich aber im Laufe der Zeit reduziert hat, hauptsächlich wegen des Kapitals, das man für das Training einiger dieser Modelle benötigt.

Die letzte Ebene bilden die darüberliegenden Anwendungen. Und heute, weil es noch zu früh ist, ist das nicht gewaltig – auch wenn Databricks erst kürzlich die Marke von einer Milliarde Dollar Umsatz mit KI-Lösungen überschritten hat, es ist also kein Pappenstiel.

Wenn wir fünf Jahre in die Zukunft blicken, wird die Pyramide viel massiver sein und sich umdrehen. Ein wesentlich größerer Teil der Einnahmen wird auf Anwendungen entfallen, die KI nutzen, um die Tätigkeiten der Menschen zu verändern. Und in diesem Bereich glaube ich nicht, dass es einen Gewinner gibt, der alles mitnimmt.

Tavakoli: Diese Antwort gefällt niemandem. Viele Prozesse, für die man viel Geld ausgibt, sind aber nicht gerade sexy. Ich gebe Ihnen ein Beispiel. Sie sind eine Versicherungsgesellschaft. Man bekommt Unmengen an Schadensformularen zugeschickt, und der damit verbundene Aufwand an Arbeitskraft und Frustration ist enorm – wie soll man nur aus all diesen Schadensformularen die benötigten Informationen extrahieren? Wie kann ich diese Daten in ein Analyseformular einfügen, um daraus Erkenntnisse zu gewinnen und anschließend darauf basierend Maßnahmen zu ergreifen? Darüber freut sich niemand – außer vielleicht derjenige, der da sitzt und stinksauer ist, dass die Bearbeitung seines Antrags drei Monate dauert. Aber wenn ich jetzt etwas, das Monate gedauert hat, zu einem Bruchteil der Kosten – also automatisiert – erledigen kann, dann ist das ein wirklich spannender Anwendungsfall.

Oder Sie sind ein Halbleiterhersteller, und wenn Sie etwas haben, das Anomalien intelligent erkennen und Ihre Ausbeute um 0,1 % verbessern kann – noch einmal, wann hat sich zuletzt jemand über Fabrikausbeuten aufgeregt? Aber es bedeutet eine Menge Geld.

Enorme Produktivität, enorme Kosten – nichts, was man gemeinhin als bahnbrechend bezeichnen würde. Ich finde, das sind langweilige Anwendungsfälle für KI. Mit KI lassen sich sinnvolle Verbesserungen erzielen, und genau das haben wir bei unseren Kunden gesehen.

Tavakoli: Meine Antwort lautet immer: Nach dieser Logik: Wenn wir gesagt hätten: „Hey, als Geldautomaten oder Computer aufkamen, waren das massive Umwälzungen – werden dann viele Menschen ihre Arbeitsplätze verlieren?“

Es gibt eine Reihe von Dingen, die Menschen heute tun, die durch KI automatisiert werden. Bei vielen dieser Dinge ist es jedoch aus Qualitätsgründen immer noch ratsam, einen Menschen in den Entscheidungsprozess einzubeziehen. Die Grundidee ist, dass die Automatisierung dieser Aufgaben auch ganz neue Anforderungen mit sich bringt, Dinge zu tun, die man vorher nicht tun konnte. So haben sich beispielsweise durch die Einführung von Geldautomaten und Online-Banking neue Berufsfelder im E-Commerce eröffnet, deren Existenz wir uns in der Vergangenheit nie hätten vorstellen können, und diese schaffen wiederum eine Menge Arbeitsplätze und Produktivität.

Durch Weiterbildung und Schulung werden sich zwar die spezifischen Aufgabenbereiche verändern, aber es wird auch eine ganz neue Klasse von Aufgabenbereichen entstehen, in denen Unternehmen Mitarbeiter benötigen, die diese Aufgaben übernehmen. Ich glaube also, dass die Nachfrage nach Arbeitskräften steigen wird. Es geht also eher darum: „Wie kann man sich weiterbilden?“

Tavakoli: Ja und nein. Ja, wir befinden uns in einer KI-Blase. Nein, das ändert nichts an den Plänen.

Mir wird oft die umgekehrte Frage gestellt: „Ist KI transformativ oder wird sie überbewertet?“ Und meine Antwort darauf ist ja. Ich glaube, die Menschen verstehen KI immer noch nicht vollständig, und deshalb lautet die Antwort auf jede Frage: KI wird sie lösen. Ich ging umher und da stand ein Schild mit der Aufschrift „KI-gestützte Autowäsche“. Und ich dachte nur: Ich habe keine Ahnung, was das bedeuten soll. Heutzutage wird alles von KI gesteuert. Es gibt immer diesen Höhepunkt der Begeisterung, der aber zwangsläufig abebbt, sobald wir uns darauf geeinigt haben, welche Anwendungsfälle die Menschen tatsächlich benötigen. Ich glaube nicht, dass alle Unternehmen, die derzeit im Bereich der künstlichen Intelligenz tätig sind, überleben werden.

Warum sich die Pläne von Databricks dadurch nicht ändern, ist die Tatsache, dass KI großartig ist und wir sie für die Zukunft als wichtig erachten, und dass wir uns in den letzten 12 Jahren natürlich stark darauf konzentriert haben. Ein Kernbestandteil unseres Geschäfts ist aber auch der Datenbereich, wie Datentransformation und operative Arbeitsabläufe, die sich bewährt haben, definitiv keine Eintagsfliege sind und weiter wachsen. Aus der Sicht von Databricks passt man sich den Bedürfnissen der Kunden an. Und wir haben diesen Wandel von übertriebenem Hype hin zu den wirklich wichtigen Anwendungsfällen und Ergebnissen bereits erlebt und sie dabei unterstützt.